沿所有轴无缝高效地翻转 numpy 数组或稀疏矩阵

Question

假设我们有一个未知形状的矩阵（numpy 数组），形状可以是例如 (1,5)（行）、(5,1)（列）、(5,5)（方形), (5,6)（非正方形）或 (5,)（退化）（好的，最后一种情况不是矩阵，而是有效输入）。

我想给出一个任意形状的矩阵（列、行、方形、非方形、退化）。我将 return 翻转 up/down left/right 版本。

因为 np.flip 一维数组存在一些问题。我的方法是：

def flipit(M):
    return M.ravel()[::-1].reshape(M.shape)

它有效，但是可以接受吗？有什么更快的方法吗？

另一方面，我怎样才能对稀疏矩阵做同样的事情（例如，如果 M 是 scipy.sparse.csr_matrix）。

Answer 1

我们可以使用步长为 -1 的切片表示法表示输入中的暗淡数，以沿所有轴翻转，因为这正是原始代码本质上所做的。这将涵盖数组和稀疏矩阵 -

def flip_allaxes(a): # a can be array or sparse matrix
    # generate flipping slice
    sl = slice(None,None,-1) # or np.s_[::-1] suggested by @kmario23
    return a[tuple([sl]*a.ndim)]

在较新的 NumPy 版本（15.1 及更高版本）上进行了简化

在较新的 NumPy 版本中：Version 15.1 and newer, that allows us to specify tuple of ints for the axes along which the flipping is needed. For the default case with axis=None from the docs，它沿所有轴翻转。因此，为了解决我们的问题，它只是 np.flip(a)，这将再次涵盖通用 ndarrays 和稀疏矩阵。

沿所有轴无缝高效地翻转 numpy 数组或稀疏矩阵

Seamlessly and efficiently flipping numpy array or sparse matrix along all axes

python

numpy

sparse-matrix